机器学习为计算机的眼睛塑造微波

杜克大学和法国尼斯物理研究所的工程师们开发了一种使用微波识别物体的新方法，该方法可以提高准确性，同时减少相关的计算时间和功耗要求。

该系统可以在诸如自动驾驶汽车，安全检查和运动感应等至关重要的领域中提高物体识别和速度。

新的机器学习方法消除了中间商，跳过了创建图像以供人分析的步骤，而是直接分析了纯数据。它还共同确定最佳的硬件设置，以显示最重要的数据，同时发现最重要的数据实际上是什么。在原理验证研究中，安装程序使用数十个测量值而不是通常需要的数百或数千个值来正确识别出一组3-D数字。

研究结果于12月6日在线发表在《先进科学》杂志上，该研究结果由David R. Smith，杜克大学的D.电气和计算机工程杰出教授，杜克大学的生物医学工程助理教授Roarke Horstmeyer共同完成。

霍斯特迈尔说：“物体识别方案通常会进行测量，并去解决所有这些麻烦，以使人们能看到并欣赏的图像。” “但这效率低下，因为计算机根本不需要'看'图像。”

Smith的研究助理Aaron Diebold补充说：“这种方法规避了这一步骤，并允许程序捕获图像形成过程可能会遗漏的细节，而忽略了它不需要的场景其他细节。” “基本上，我们试图直接从机器的眼睛看物体。”

在这项研究中，研究人员使用一种超材料天线，可以将微波波阵面雕刻成许多不同的形状。在这种情况下，超材料是一个8x8的正方形网格，每个网格都包含允许其动态调谐以阻止或传输微波的电子结构。